مدل‌های بازگشتی تصحیح واریانس در مطالعات پزشکی

مقدمه: در بسیاری از مطالعات پزشکی و اپیدمیولوژی هر فرد تحت شرایطی می تواند وقایعی را چندین بار، یکی پس از دیگری و به صورت متوالی تجربه نماید که آن ها را وقایع بازگشتی می نامند. اهداف وسیع تحلیل این گونه وقایع می تواند شامل توصیف فرآیند رخداد واقعه در افراد، پراکندگی وقایع از فردی به فرد دیگر و رابطه بین متغیرهای پیش بین ثابت یا وابسته به زمان با زمان رخداد واقعه باشد. از این رو، هدف اصلی این مقاله ارائه و تفسیر مدل های پیشرفته آماری به منظور تحلیل درست این وقایع بود که در سال های اخیر پیشنهاد شده اند.مواد و روش کار: در این مقاله، برای مدلسازی وقایع بازگشتی روش های تصحیح واریانس که شامل مدل های ag، شرطی pwp (pwptt و pwpgt) و مدل حاشیه ای wlw هستند، ارائه و با یکدیگر مقایسه شده اند.یافته ها: اغلب، مدل های شرطی pwp زمانی کاربرد دارند که تعداد وقایع کمی برای هر فرد رخ دهد و مخاطره رخداد مجدد واقعه میان رخداد های مختلف تغییر نماید. در حالی که مدل حاشیه ای wlw و مدل ag با پیش بین های وابسته به زمان، برای تعیین فراوانی وقایع به کار می روند.بحث و نتیجه گیری: محققان حوزه پزشکی و اپیدمیولوژی برای انتخاب صحیح مدل های بازگشتی باید به عوامل مختلفی از جمله تعداد وقایع، ارتباط میان وقایع، متغیر بودن اثر عوامل از واقعه ای به واقعه دیگر، فرایند بیولوژیکی و ساختار همبستگی داده ها توجه نمایند.

Variance-corrected recurrent models in medical studies

Objective (s): In many medical and epidemiological studies, each person can experience several events one after the other sequentially under some circumstances, known as recurrence events. Broad analytical objectives of recurrent events consist of describing event process in an individual, dispersion of events from one person to another, and determination of relations between constant or timedependent predictors with event time. So the main purpose of this article is to present and interpret advanced statistical models to analyze such events which have been proposed in recent years.Methods: In this article, variancecorrected models including AG, conditional PWP (PWPTT and PWPGT) and marginal WLW models for analyzing recurrent events are presented and compared with each other.Results: When the number of events for each individual are small and the risk of a reoccurrence of an event varies between different events, usually conditional PWP models are used, while marginal WLW and the timedependent AG models are applied to determine frequency of events.Conclusion: Medical and epidemiology studies should consider various factors such as the number of events, relationship between events, the variability of the effect of factors from one event to another, the biological process, and the correlation structure of data to select the valid recurrent models.